Radar Tech: 5 anos de código em 2 semanas — o que a migração da Asana com Codex ensina a quem adota agentes

O case que mais mexeu com a engenharia nas últimas 24h foi o da Asana. Segundo o site da OpenAI, a empresa usou o Codex para migrar a suíte de testes legada (remover o Enzyme, framework antigo de testes de React) em cerca de duas semanas — contra uma estimativa interna de aproximadamente 5 anos de trabalho e US$ 6 milhões.

A história gerou euforia e ceticismo em proporções parecidas. O tipo de claim que "5 anos em 2 semanas" é fácil de vender e difícil de verificar. Mas, por trás do ruído, há um padrão de arquitetura real que vale a pena estudar — e que qualquer time que queira adotar agentes de IA em tarefas de migração deveria copiar. É esse padrão o assunto deste Radar Tech.

O que realmente aconteceu (o que dá para extrair do case)

O detalhe mais valioso do caso não é o número. É o desenho do processo:

• Uma tarefa longa, tediosa e altamente testável (portar testes entre frameworks de UI) foi fatiada em unidades independentes.
• Agentes paralelos executaram cada fatia em ambiente isolado.
• Um engenheiro sênior revisava o progresso duas vezes ao dia e validava cada mudança proposta antes do merge.
• O critério de sucesso era a preservação de comportamento: os testes migrados precisavam continuar validando exatamente o mesmo comportamento de usuário.

É exatamente o tipo de tarefa em que a IA brilha: portagens de milhões de linhas, mecanicamente repetitivas, sem decisão criativa — e com uma rede de segurança clara. Mas atenção: esse desenho não tira o humano do circuito. Ele muda o papel do humano.

O que os críticos apontaram (e você deveria levar a sério)

A discussão na comunidade levantou pontos justos:

• Estimativas infladas historicamente: se o time estimou 5 anos, talvez a tarefa nunca tenha sido priorizada de verdade. "5 anos" pode não significar o que parece.
• Falta de verificação independente: o case é um PR da OpenAI. Números de venda não passam por auditoria.
• O risco de aplicação cega: "limpar 5 anos de tickets em 5 minutos com WONTFIX" é uma sátira — mas tem um fundo de verdade sobre a facilidade de fabricar progresso.

A leitura madura é: o valor está no método, não no número. E o método precisa de um harness de verificação e de gates humanos — ou você estará só trocando uma alucinação por outra de forma mais rápida.

O padrão de arquitetura digno de copiar (human-in-the-loop)

Se você quer adotar agentes para migrar código legado, o que importa é a arquitetura do pipeline, e não o marketing:

• Mapear o impacto e definir o contrato de comportamento (o que não pode mudar em runtime).
• Fatiar em unidades independentes — fatiar é o que destrava o paralelismo. Agentes que compartilham estado colidem.
• Executar cada agente em sandbox isolado, em branch própria, com o toolchain pinzado.
• Rodar verificação contínua: characterization tests, parity/golden tests, cobertura, lint. Sem isso, alucinação vira regressão silenciosa.
• Manter um gate de revisão humana com critérios objetivos — não gosto. Reprovações voltam com feedback estruturado.
• Checkpoint por fatia e rollback automático em falha.

É isso que transforma "proposta plausível" em "proposta auditável e reproduzível". Sem verificação e sem gate, você não acelera: você apenas acelera o envio de erros para produção.

Onde entra a IA aplicada à engenharia

Este caso se soma a um mês agitado de agentes de codificação: novos harnesses abertos (fx, OneCLI, HarnessRouter), discussão sobre AGENTS.md no Claude Code, e o tema recorrente de controlar agentes em produção. O consenso que emerge é claro — agentes não substituem engenheiros; eles amplificam engenheiros que sabem projetar as cercas.

A tarefa da engenharia de software com agentes não é escrever um prompt solto. É projetar o sistema: escopo, fatias, verificações, gates e rollback. Quem dominar esse padrão vai fazer de uma semana o que parecia um projeto de ano — sem perder o controle sobre o resultado.

Resumo do dia

• Case Asana + Codex: migração de testes legados em ~2 semanas vs. estimativa de 5 anos/US$6M — real, porém não verificável de forma independente.
• O valor está no método (fatiamento + verificação + gate humano), não no número.
• Lição prática: para agentes de IA em migração de código legado, o humano deixa de ser o executor e vira o gate de aceite. Projete as cercas.
• Se você for aplicar isso no seu time, precisa de um pacote de prompt multi-arquivo — não de um parágrafo solto — para fazer o modelo cumprir o schema, os guardrails e a verificação corretamente.

Fique de olho: o próximo tópico quente já está chegando. Até o próximo Radar Tech.